振动、测试与诊断
振動、測試與診斷
진동、측시여진단
JOURNAL OF VIBRATION, MEASUREMENT & DIAGNOSIS
2013年
z1期
120-124
,共5页
潘阳%陈安华%何宽芳%李学军%曾波
潘暘%陳安華%何寬芳%李學軍%曾波
반양%진안화%하관방%리학군%증파
滚动轴承%局部均值分解%遗传算法%神经网络%故障诊断
滾動軸承%跼部均值分解%遺傳算法%神經網絡%故障診斷
곤동축승%국부균치분해%유전산법%신경망락%고장진단
内圈点蚀、外圈压痕和滚动体磨损是滚动轴承常见典型故障,为实现其快速、准确诊断,提出基于振动信号局部均值分解(local mean decomposition,简称LMD)的PF分量能量特征和神经网络相结合的滚动轴承诊断方法.对振动信号进行局部均值分解,将其分解为若干个乘积函数(product function,简称PF)分量之和,以获得的PF分量能量特征作为神经网络输入进行滚动轴承的故障类型的识别,同时引入遗传算法对神经网络结构参数进行优化,提高故障识别诊断速度和准确率.结果表明,该方法用于轴承典型故障诊断有较高的诊断速率和故障识别率.
內圈點蝕、外圈壓痕和滾動體磨損是滾動軸承常見典型故障,為實現其快速、準確診斷,提齣基于振動信號跼部均值分解(local mean decomposition,簡稱LMD)的PF分量能量特徵和神經網絡相結閤的滾動軸承診斷方法.對振動信號進行跼部均值分解,將其分解為若榦箇乘積函數(product function,簡稱PF)分量之和,以穫得的PF分量能量特徵作為神經網絡輸入進行滾動軸承的故障類型的識彆,同時引入遺傳算法對神經網絡結構參數進行優化,提高故障識彆診斷速度和準確率.結果錶明,該方法用于軸承典型故障診斷有較高的診斷速率和故障識彆率.
내권점식、외권압흔화곤동체마손시곤동축승상견전형고장,위실현기쾌속、준학진단,제출기우진동신호국부균치분해(local mean decomposition,간칭LMD)적PF분량능량특정화신경망락상결합적곤동축승진단방법.대진동신호진행국부균치분해,장기분해위약간개승적함수(product function,간칭PF)분량지화,이획득적PF분량능량특정작위신경망락수입진행곤동축승적고장류형적식별,동시인입유전산법대신경망락결구삼수진행우화,제고고장식별진단속도화준학솔.결과표명,해방법용우축승전형고장진단유교고적진단속솔화고장식별솔.